图像勾画方法、装置、计算机设备、存储介质制造方法及图纸

本申请涉及一种图像勾画方法、装置、计算机设备、存储介质。所述方法包括：获取待勾画图像，并对待勾画图像中所包括的目标部位进行第一勾画处理，得到第一图像，完成初次勾画；识别待勾画图像对应的异常类型，并基于异常类型获取目标靶区勾画准则；基于目标靶区勾画准则确定第一图像中的目标靶区边界，并基于目标靶区边界对第一图像进行裁剪，得到第二图像，这样就能将第一图像中冗余的部分去除，只保留与异常类型相关的核心部分图像；对第二图像中所包括的目标部位进行第二勾画处理，得到勾画出目标部位的目标图像，完成更精细的二次勾画。采用本方法能够有效解决靶区分割任务中边界定位偏差、收缩和小碎点等问题，提高靶区勾画准确率。确率。确率。

【技术实现步骤摘要】
图像勾画方法、装置、计算机设备、存储介质


[0001]本申请涉及医学影像
，特别是涉及一种图像勾画方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]现阶段的医学图像分割可以分成手动分割和自动分割。其中手动分割精度高，通常作为分割结果的金标准。但是手动分割的精度很大程度上与操作者的先验知识相关，同时分割过程耗时较长，需要花费较多的精力和时间来进行勾画。所以，对于医学影像的自动分割就显得尤为重要和迫切，特别是自从深度学习重新在图像领域大放异彩后，基于深度学习的自动分割算法的精度也逐年提升。
[0003]目前的靶区的自动分割任务中，在靶区的边界通常会出现定位偏差、收缩或者小碎点的情况，存在靶区勾画不准确的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高靶区勾画准确率的图像勾画方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，还提供一种图像勾画方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种图像勾本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像勾画方法，其特征在于，所述方法包括：获取待勾画图像，并对所述待勾画图像中所包括的目标部位进行第一勾画处理，得到第一图像；识别所述待勾画图像对应的异常类型，并基于所述异常类型获取目标靶区勾画准则；基于所述目标靶区勾画准则确定所述第一图像中的目标靶区边界，并基于所述目标靶区边界对所述第一图像进行裁剪，得到第二图像；对所述第二图像中所包括的目标部位进行第二勾画处理，得到勾画出所述目标部位的目标图像。2.根据权利要求1所述的方法，其特征在于，所述识别所述待勾画图像对应的异常类型，并基于所述异常类型获取目标靶区勾画准则，包括：识别所述待勾画图像中所包括的所述目标部位对应的异常区域，并基于所述异常区域确定所述待勾画图像的异常类型；基于异常类型和靶区勾画准则的对应关系，从多个靶区勾画准则中获取与所述异常类型对应的靶区勾画准则，作为所述目标靶区勾画准则。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标靶区勾画准则确定所述第一图像中的目标靶区边界，包括：根据所述目标靶区勾画准则确定所述第一图像中的目标靶区边界和靶区中心；根据所述靶区中心在所述第一图像中获取固定大小的图像块；根据所述目标靶区勾画准则保留所述图像块在所述目标靶区边界范围内的部分，去除所述目标靶区边界之外的部分。4.一种分割模型的训练方法，其特征在于，所述方法包括：获取第一训练集，所述第一训练集包括多张样本医学图像，以及各样本医学图像对应的第一靶区勾画图像；基于所述第一训练集对第一初始神经网络进行训练，将训练完成的第一初始神经网络作为第一分割模型；所述第一分割模型用于对待勾画图像中所包括的目标部位进行第一勾画处理，得到第一图像；基于所述第一训练集获取第二训练集，所述第二训练集包括多张裁剪处理后的样本医学图像，以及各裁剪处理后的样本医学图像对应的第二靶区勾画图像；基于所述第二训练集对第二初始神经网络进行训练，将训练后的第二初始神经网络作为第二分割模型；所述第二分割模型用于对裁剪处理后的第一图像中所包括的目标部位进行第二勾画处理，得到勾画出所述目标部位的目标图像。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一训练集获取第二训练集，包括：基于所述第一训练集中各样本医学图像对应的第一靶区勾画图像，确定各样本医学图像的靶区边界；基于所述靶区边界对各样本医学图像进行裁剪，得到多张样本分割图像；获取各样本分割图像对应的第二靶区勾画图像；基于各样本分割图像和各样本分割图像对应的第二靶区勾画图像构建所述第二训练集。
6.根据权利要求5所述的...

【专利技术属性】
技术研发人员：林逢雨，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：